一键导入
wuhan-ai-daily
每日自动搜索武汉市人工智能相关最新政策、新闻、活动信息,整理后写入飞书多维表格。当用户提到"武汉AI信息采集"、"每日AI信息"、"搜索武汉AI"、"执行今日采集"或要求执行定时信息采集任务时,必须使用本技能。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
菜单
每日自动搜索武汉市人工智能相关最新政策、新闻、活动信息,整理后写入飞书多维表格。当用户提到"武汉AI信息采集"、"每日AI信息"、"搜索武汉AI"、"执行今日采集"或要求执行定时信息采集任务时,必须使用本技能。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
售前工程师AI助手。当用户需要做客户背调、准备拜访材料、制作方案PPT、生成Ghost Deck、准备演讲要点、处理客户异议、评估商机成熟度、写会后跟进计划时,即使没有明确说"售前",也应使用本skill。面向政府、行业头部企业、技术型企业三类客户,覆盖"客户画像→需求分析→Ghost Deck→方案生成→专家自审→演讲要点→异议处理→商机评分→跟进计划"完整售前链路。
用于搜集百度飞桨与文心大模型相关运营资讯、竞品动态、厦门本地 AI 政策活动,并输出潜在客户清单与周度运营汇总的业务技能。当用户提到运营周报、竞品动态、厦门 AI 政策、潜客挖掘、飞桨/文心最新消息、客户线索表、活动情报汇总时都应使用本 Skill。
This skill should be used when the user wants to monitor, search, or analyze social media and web content about ERNIE-Image across Chinese platforms including Zhihu, Xiaohongshu, WeChat Official Accounts, and Baidu Search.
短剧剧本生成Agent。当用户需要创作短剧剧本时使用,支持从选题到成稿的完整创作流程。包含人物设定维护、情节结构规划、剧本格式输出、质量检查等功能。
对即将会面的政府单位、企事业单位等机构进行高可靠背景和业务调研。采用 Pipeline + Reviewer + Generator 结构,强制输出候选来源、原子事实、链接审计、事实准入、组织分析和终审结果,用于尽量确保关键事实均有可核查来源链接,便于进一步深入了解和复核,适用于需要可核查来源和质量门禁的单位调研。
重要会谈谈参生成助手 - 面向高层会谈,基于会谈对象、合作背景、双方诉求与我方能力,自动生成部门领导可直接参考的会谈背景、合作主线、谈话要点、建议提问、后续推进建议及风险提示
| name | wuhan-ai-daily |
| description | 每日自动搜索武汉市人工智能相关最新政策、新闻、活动信息,整理后写入飞书多维表格。当用户提到"武汉AI信息采集"、"每日AI信息"、"搜索武汉AI"、"执行今日采集"或要求执行定时信息采集任务时,必须使用本技能。 |
使用前需在环境变量中配置以下参数(请勿将实际值提交至代码仓库):
FEISHU_APP_TOKEN = <你的飞书多维表格 App Token>
FEISHU_TABLE_ID = <你的飞书多维表格 Table ID>
配置方式:在 claude_desktop_config.json 的 lark-mcp 启动参数中,或通过系统环境变量注入;也可在本地项目的 .env 文件中设置(.env 需加入 .gitignore)。
飞书写入通过 lark-mcp 工具完成,无需手动鉴权。
| 字段名 | 字段类型 | 说明 |
|---|---|---|
| 发布日期 | 日期 | Unix 毫秒时间戳,取内容发布当日 00:00:00 |
| 信息摘要 | 文本 | 100 字以内,用自己语言概括,不引用原文 |
| 信息源链接 | 文本 | 原始页面完整 URL |
| 类型 | 单选 | 政策 / 新闻 / 活动 / 其他 |
注意:表格第一列「时间」是系统自动生成的创建时间字段(带锁),无法写入,忽略即可。
每次执行使用以下关键词矩阵,覆盖三类信息:
| 类型 | 关键词 |
|---|---|
| 政策 | 武汉 人工智能 政策 最新、武汉 AI 扶持 补贴 |
| 新闻 | 武汉 人工智能 最新动态、武汉 AI 产业 新闻 |
| 活动 | 武汉 人工智能 峰会 论坛、武汉 AI 活动 展会 |
| 大模型 | 武汉 大模型 最新 |
web_search 执行各关键词组,每组取前 5 条web_fetch 精读原文丢弃以下内容:
对每条通过过滤的内容,生成以下字段:
调用 lark-mcp:bitable_v1_appTableRecord_create 逐条写入:
path:
app_token: $FEISHU_APP_TOKEN
table_id: $FEISHU_TABLE_ID
data.fields:
发布日期: <Unix毫秒时间戳>
信息摘要: "<100字以内摘要>"
信息源链接: "<完整URL>"
类型: "<政策|新闻|活动|其他>"
时间戳动态计算规则:
new Date('YYYY-MM-DDT00:00:00+08:00').getTime()int(datetime(YYYY, MM, DD, 0, 0, tzinfo=timezone(timedelta(hours=8))).timestamp() * 1000)执行完成后输出:
本次采集完成 ✅
- 搜索关键词组:X 组
- 候选条目:X 条
- 过滤后写入:X 条
- 写入成功:X 条 / 失败:X 条
- 执行时间:YYYY-MM-DD
若写入条目为 0,输出告警:「今日未采集到相关信息,请人工核查」
| 异常情况 | 处理方式 |
|---|---|
| lark-mcp 返回 91403 Forbidden | 检查多维表格是否已添加「claude助手」文档应用(路径:表格右上角「···」→「更多」→「添加文档应用」) |
| 字段写入失败 | 检查字段名是否与表格完全一致(区分全角/半角) |
| 单条写入失败 | 记录失败原因,继续写入其余条目,最终汇总报告 |
| 搜索无结果 | 尝试备用关键词,仍无结果则输出告警 |